CN115409007B - 电子表格的生成方法、装置、电子设备及存储介质 - Google Patents

电子表格的生成方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115409007B
CN115409007B CN202211352872.5A CN202211352872A CN115409007B CN 115409007 B CN115409007 B CN 115409007B CN 202211352872 A CN202211352872 A CN 202211352872A CN 115409007 B CN115409007 B CN 115409007B
Authority
CN
China
Prior art keywords
text
image
sequence
features
processed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211352872.5A
Other languages
English (en)
Other versions
CN115409007A (zh
Inventor
请求不公布姓名
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Moore Threads Technology Co Ltd
Original Assignee
Moore Threads Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Moore Threads Technology Co Ltd filed Critical Moore Threads Technology Co Ltd
Priority to CN202211352872.5A priority Critical patent/CN115409007B/zh
Publication of CN115409007A publication Critical patent/CN115409007A/zh
Application granted granted Critical
Publication of CN115409007B publication Critical patent/CN115409007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
    • G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本公开涉及信息处理技术领域，尤其涉及一种电子表格的生成方法、装置、电子设备及存储介质，所述生成方法包括：获取带有目标表格的待处理图像；确定所述待处理图像对应的图像特征序列以及文本特征序列；将所述图像特征序列与所述文本特征序列进行特征融合，得到融合特征序列；将所述融合特征序列转换为电子表格排布序列；根据所述电子表格排布序列，生成所述目标表格对应的电子表格。本公开实施例在电子表格在生成过程中考虑到了目标表格在整体上的图像级特征以及目标表格的文本级特征，可提高电子表格的生成准确率。此外，本公开实施例采用了端到端的数据处理结构，有利于缩短了电子表格的生成时长、降低了对其进行优化维护的难度。

Description

电子表格的生成方法、装置、电子设备及存储介质
技术领域
本公开涉及信息处理技术领域，尤其涉及一种电子表格的生成方法、装置、电子设备及存储介质。
背景技术
随着各类行业的发展，越来越多的用户会利用表格统计获得的各类数据，而鉴于一些无法直接获取电子表格的情况（例如：表格为手写表格、仅有表格的纸质版本），如何更好地将表格重建为编辑更为方便的电子表格，是本领域技术人员亟需解决的技术问题。
发明内容
本公开提出了一种电子表格的生成技术方案。
根据本公开的一方面，提供了一种电子表格的生成方法，所述生成方法包括：获取带有目标表格的待处理图像；确定所述待处理图像对应的图像特征序列以及文本特征序列；其中，图像特征序列用以表示待处理图像的图像特征的序列，文本特征序列用以表示待处理图像中目标表格的文本信息的文本特征的序列；将所述图像特征序列与所述文本特征序列进行特征融合，得到融合特征序列；将所述融合特征序列转换为电子表格排布序列；其中，所述电子表格排布序列用以表示电子表格中单元格的排布情况；根据所述电子表格排布序列，生成所述目标表格对应的电子表格。
在一种可能的实施方式中，所述确定所述待处理图像对应的图像特征序列，包括：将所述待处理图像分割为多个区域图像；确定每个区域图像对应的图像特征；将所述每个区域图像对应的图像特征进行排列，作为所述待处理图像对应的图像特征序列。
在一种可能的实施方式中，所述确定所述待处理图像对应的文本特征序列，包括：确定所述待处理图像中包括文本信息的多个文本框；确定每个文本框对应的文本特征；将所述每个文本框对应的文本特征进行排列，作为所述待处理图像对应的文本特征序列。
在一种可能的实施方式中，所述确定每个文本框对应的文本特征，包括：将每个文本框对应的文本框坐标、每个文本框中文本信息对应的语义特征、每个文本框对应的视觉特征中的至少一项，作为每个文本框对应的文本特征。
在一种可能的实施方式中，所述每个文本框对应的文本特征包括所述每个文本框对应的文本框坐标；所述根据所述电子表格排布序列，生成所述目标表格对应的电子表格，包括：根据所述电子表格排布序列，确定电子表格中每个单元格对应的单元格坐标；根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息；根据每个单元格对应的单元格坐标、每个单元格对应的文本信息，生成所述目标表格对应的电子表格。
在一种可能的实施方式中，所述根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息，包括：根据每个所述单元格坐标，确定每个所述单元格坐标对应的第一多边形；根据每个所述文本框坐标，确定每个所述文本框坐标对应的第二多边形；针对每个第一多边形，确定与所述每个第一多边形重合程度最高的第二多边形，并在所述重合程度最高的第二多边形对应的重合程度大于预设值的情况下，将重合程度最高的第二多边形对应的文本信息作为所述每个第一多边形对应的单元格的文本信息。
在一种可能的实施方式中，所述根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息，还包括：在所述重合程度最高的第二多边形对应的重合程度小于或等于预设值的情况下，将所述每个第一多边形对应的单元格作为待编辑单元格；所述生成方法还包括：响应于针对所述待编辑单元格的输入文本，更新所述电子表格。
根据本公开的一方面，提供了一种电子表格的生成装置，所述生成装置包括：图像获取模块，用以获取带有目标表格的待处理图像；特征序列确定模块，用以确定所述待处理图像对应的图像特征序列以及文本特征序列；其中，图像特征序列用以表示待处理图像的图像特征的序列，文本特征序列用以表示待处理图像中目标表格的文本信息的文本特征的序列；特征融合模块，用以将所述图像特征序列与所述文本特征序列进行特征融合，得到融合特征序列；排布序列生成模块，用以将所述融合特征序列转换为电子表格排布序列；其中，所述电子表格排布序列用以表示电子表格中单元格的排布情况；电子表格生成模块，用以根据所述电子表格排布序列，生成所述目标表格对应的电子表格。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述电子表格的生成方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述电子表格的生成方法。
在本公开实施例中，可获取带有目标表格的待处理图像，而后确定所述待处理图像对应的图像特征序列以及文本特征序列，再将所述图像特征序列与所述文本特征序列进行特征融合，得到融合特征序列，而后将所述融合特征序列转换为电子表格排布序列，最终根据所述电子表格排布序列，生成所述目标表格对应的电子表格。本公开实施例通过将文本特征与图像特征进行融合的方式，使得电子表格在生成过程中不仅考虑到了目标表格在整体上的图像级特征，而且考虑到了目标表格的文本级特征，通过多模态特征融合的方式，可提高电子表格的生成准确率。此外，本公开实施例采用了端到端的数据处理结构，进而减少了后处理流程的复杂程度使得处理流程也更加简洁，有利于缩短了电子表格的生成时长、降低了对其进行优化维护的难度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出了根据本公开实施例提供的电子表格的生成方法的流程图。
图2示出了根据本公开实施例提供的电子表格的生成方法的参考示意图。
图3示出了根据本公开实施例提供的电子表格的生成装置的框图。
图4示出了根据本公开实施例提供的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
相关技术中，通常将带有目标表格的待检测图像输入至预设的分割模型中，来定位目标表格中的表线、文字等要素，而后通过复杂的后处理流程对各类要素进行排版处理，最终输出与目标表格结构相似、文本内容相似的电子表格。然而该种方法存在如下问题：1、若目标表格本身不带有完整的表线，那么生成的电子表格本身易出现无法分割或分割不准确的技术问题。2、分割模型、后处理流程使得整个电子表格生成过程较为复杂，难以对其进行优化维护。
有鉴于此，本公开实施例提供了一种电子表格的生成方法，所述生成方法包括：获取带有目标表格的待处理图像，而后确定所述待处理图像对应的图像特征序列以及文本特征序列，再将所述图像特征序列与所述文本特征序列进行特征融合，得到融合特征序列，而后将所述融合特征序列转换为电子表格排布序列，最终根据所述电子表格排布序列，生成所述目标表格对应的电子表格。本公开实施例通过将文本特征与图像特征进行融合的方式，使得电子表格在生成过程中不仅考虑到了目标表格在整体上的图像级特征，而且考虑到了目标表格的文本级特征，通过多模态特征融合的方式，可提高电子表格的生成准确率。此外，本公开实施例采用了端到端的数据处理结构，进而减少了后处理流程的复杂程度使得处理流程也更加简洁，有利于缩短了电子表格的生成时长、降低了对其进行优化维护的难度。
在一种可能的实施方式中，上述电子表格的生成方法可由终端设备或服务器等电子设备执行，终端设备可以为用户设备（User Equipment，UE）、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理（Personal Digital Assistant，PDA）、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参阅图1所示，图1示出了根据本公开实施例提供的电子表格的生成方法的流程图，结合图1所示，所述生成方法包括：步骤S100，获取带有目标表格的待处理图像。示例性地，上述目标表格可为用户预进行电子重建的表格，具体的表格形式本公开实施例在此不做限制，例如：带有表线的表格、不带有表线的表格、表线不全的表格等。上述待处理图像可由上述终端设备中的图像采集装置进行采集、或由其他存储介质上传至上述终端设备中，带有目标表格即可，本公开实施例在此不做限制。
步骤S200，确定所述待处理图像对应的图像特征序列以及文本特征序列。其中，图像特征序列用以表示待处理图像的图像特征的序列，文本特征序列用以表示待处理图像中目标表格的文本信息的文本特征的序列。示例性地，上述图像特征可用以表示待处理图像在整体上的视觉特征。上述文本特征可用以表示文本信息的语义特征、位置特征等。本公开实施例在此不限定特征的具体构成形式，开发人员可视实际情况而定。在一种那可能的实施方式中，还可对待处理图像进行预处理，即将待处理图像中的表格图像与背景图像进行区分（可通过相关技术中的机器学习模型进行处理），而后将表格图像作为后续的待处理图像，以降低背景图像对后续电子表格生成的影响。上述待处理图像也可经由其他清晰度处理，以提高后续提取到的图像特征、文本特征的代表性，本公开实施例在此不做限制。
在一种可能的实施方式中，步骤S200中确定所述待处理图像对应的图像特征序列，可包括：将所述待处理图像分割为多个区域图像。上述待处理图像的分割规则本公开实施例在此不做限制，例如：开发人员可设定分割数量、不同的区域图像的大小可存在差别等。上述分割方法也可参照相关技术。而后确定每个区域图像对应的图像特征。示例性地，上述图像特征可通过任意一种特征提取模型进行提取，例如：CNN（Convolutional NeuralNetwork，卷积神经网络）、RNN（Recurrent Neural Networks，循环神经网络）、Transformer（一种机器学习模型）等，本公开实施例在此不做限制。最终将所述每个区域图像对应的图像特征进行排列，作为所述待处理图像对应的图像特征序列。示例性地，上述图像特征的排列顺序本公开实施例在此不做限制，例如可遵照区域图像分割后先行后列、先上后下或先列后行、先下后上的顺序进行排列，可通过相关技术中的reshape算子将图像特征降维成一维的图像特征序列，以便后续融合后的特征可符合后续seq2seq（一种输入为序列，输出为序列的模型）的输入要求（后文将予以详述）。
在一种可能的实施方式中，步骤S200中确定所述待处理图像对应的文本特征序列，包括：确定所述待处理图像中包括文本信息的多个文本框。示例性地，可通过相关技术中的文本信息识别技术（例如OCR，Optical Character Recognition，光学字符识别技术）将带有文本信息的区域作为上述文本框。例如：可将上述待处理图像输入至相关技术中的OCR模型中，OCR模型可输出各段文本对应的文本框坐标、文本框对应的文本内容。而后确定每个文本框对应的文本特征。在一个示例中，所述确定每个文本框对应的文本特征，可包括：将每个文本框对应的文本框坐标、每个文本框中文本信息对应的语义特征、每个文本框对应的视觉特征中的至少一项，作为每个文本框对应的文本特征。示例性地，上述文本框坐标用以表示文本框在待处理图像中的位置，示例性地，上述文本框坐标可通过嵌入（或称embedding）的方式进行表示。在一个示例中，文本框坐标可通过相关技术中固定的sin、cos函数转换为向量，也可通过一个可学习的拟合函数（可通过多组已知的坐标、其对应的向量进行拟合）转换为向量，本公开实施例在此不做限制。上述向量的索引值可设置为四个顶点的坐标值，或其他标识，开发人员可根据实际需求进行设定。上述文本信息对应的语义特征可表现为输入至相关技术中文本语言模型的特征嵌入，例如可通过相关技术中预训练好的BERT（Bidirectional Encoder Representation from Transformers，一种预训练的语言表征模型）等语言模型进行提取。上述文本框对应的视觉特征可用以表征文本框在视觉上的整体特征，可输入至相关技术中的视觉特征模型进行特征提取，例如可通过视觉ROIalign特征（一种区域特征）进行表示，可通过相应的算子进行提取，如对待处理图像对应的特征图进行提取或直接对待处理图像进行提取。在文本特征包括多种特征（此处特征可包括上文所述的文本框坐标、语义特征、视觉特征等）的情况下，可通过相关技术中的特征融合方法进行特征融合，例如：add算子、concat算子等。最终将所述每个文本框对应的文本特征进行排列，作为所述待处理图像对应的文本特征序列。示例性地，上述文本特征的排列顺序本公开实施例在此不做限制，例如可遵照文本框先左后右、先上后下的顺序进行排列，或先右后左、先下后上的顺序进行排列等，可降维成一维的文本特征即可，本公开实施例在此不做限制。
继续参阅图1，步骤S300，将所述图像特征序列与所述文本特征序列进行特征融合，得到融合特征序列。示例性地，可通过相关技术中的transformer模型、add算子、concat算子等任何可生成特征序列的融合方式进行特征融合，本公开实施例在此不做限制。
步骤S400，将所述融合特征序列转换为电子表格排布序列。其中，所述电子表格排布序列用以表示电子表格中单元格的排布情况。示例性地，该步骤可通过相关技术中任意一种可将融合特征序列转换为电子表格排布序列的模型进行处理，例如可通过输入数据为特征序列，输出数据为电子表格排布序列的训练好的seq2seq模型进行处理。上述电子表格排布序列可表现为构成电子表格排布结构所需要的代码（例如HTML代码或LaTeX代码等），此处以HTML（超文本标记语言）中的电子表格为例，HTML中的电子表格可由<table>、</table>（用以表示一个表格的开头、结束）、<tr>、</tr>（用以表示表格中某一行的开头、结束）、<th>、</th>（用以表示表格某一行中某个单元格的开头、结束）等HTML的标签构成，则HTML中的电子表格排布序列可由上述标签构成，以使电子表格排布序列可表征一个电子表格。在上述模型的训练阶段的输入可为图像特征序列、图像特征序列对应的HTML电子表格排布序列、图像特征序列对应的坐标，即可在迭代的训练中指导模型如何针对融合特征序列输出其对应的HTML电子表格排布序列、其中的单元格对应的坐标。示例性地，seq2seq模型具体可为transformer模型、RNN模型等。在一些示例中，电子表格排布序列也可以为LaTeX（一种表格排版系统）等任意一种支持电子表格排版的系统所使用的代码，开发人员可根据实际需求调整模型的训练样本使其对应不同的表格排版系统即可，本公开实施例在此不做限制。
步骤S500，根据所述电子表格排布序列，生成所述目标表格对应的电子表格。在一个示例中，电子表格排布序列可表征出电子表格的表格结构，则可根据上述电子表格胖排布序列直接生成不带有文本信息、带有表线的电子表格，后续用户也可直接在电子表格中输入文本信息以填充电子表格，或由终端设备根据文字识别技术自动填充电子表格中的文本信息，本公开实施例在此不做限制。示例性地，上述生成的电子表格可表现为HTML或LaTeX代码，可运行在HTML或LaTeX的环境中以显示电子表格。在一个示例中也可根据需要通过相关技术中的应用程序将其转换为Excel等电子表格格式。
在一种可能的实施方式中，所述每个文本框对应的文本特征包括所述每个文本框对应的文本框坐标。步骤S500可包括：根据所述电子表格排布序列，确定电子表格中每个单元格对应的单元格坐标。示例性地，可直接获取上述seq2seq模型中输出的电子表格排布序列对应的单元格坐标，也可单独训练一个模型以电子表格排布序列为输入，以单元格坐标为输出，本公开实施例在此不做限制。而后根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息。示例性地，可通过单元格坐标、文本框坐标之间的位置关系，确定单元格对应的文本信息。最终根据每个单元格对应的单元格坐标、每个单元格对应的文本信息，生成所述目标表格对应的电子表格。示例性地，可将单元格对应的文本信息填入单元格中，以实现目标表格转换为带有表线、文本信息的电子表格。
在一种可能的实施方式中，所述根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息，包括：根据每个所述单元格坐标，确定每个所述单元格坐标对应的第一多边形。示例性地，可将所述单元格坐标对应的点依次连接的封闭图形作为上述第一多边形。而后根据每个所述文本框坐标，确定每个所述文本框坐标对应的第二多边形。示例性地，可将所述文本框坐标对应的点依次连接的封闭图形作为上述第二多边形。最终针对每个第一多边形，确定与所述每个第一多边形重合程度最高的第二多边形，并在所述重合程度最高的第二多边形对应的重合程度大于预设值的情况下，将重合程度最高的第二多边形对应的文本信息作为所述每个第一多边形对应的单元格的文本信息。示例性地，上述重合程度可表现为第一多边形中与第二多变形重合部分的面积与第一多变形整体面积的比值，或是通过相关技术中的交并比（或称IOU）进行表示，本公开实施例在此不做限制。上述预设值的具体数值本公开实施例在此也不做限制，开发人员可根据实际需求而定。通过确定第一多边形、第二多边形之间重合程度的方式，本公开实施例可准确地将文本内容添加至单元格中。
在一种可能的实施方式中，所述根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息，还包括：在所述重合程度最高的第二多边形对应的重合程度小于或等于预设值的情况下，将所述每个第一多边形对应的单元格作为待编辑单元格。所述生成方法还包括：响应于针对所述待编辑单元格的输入文本，更新所述电子表格。本公开实施例允许将未匹配有文字内容的单元格设定为待编辑单元格，并可由用户手动针对该待编辑单元格进行文本内容的输入，有利于提高电子表格与目标表格之间的相关性。
结合实际应用场景，上述电子表格的生成方法可由移动终端执行，例如：用户可将目标表格放置于桌面，并通过手机中的摄像头对其进行待检测图像的采集，而后手机即可自动化地将其转化为HTML格式或其他格式的电子表格。后续用户可直接在手机中对电子表格进行编辑或将其传输至指定存储介质进行保存。参阅图2所示，图2示出了根据本公开实施例提供的电子表格的生成方法的参考示意图，结合图2，表格图片可经过OCR处理，得到各段文本的文本框坐标、文本框对应的文本内容，经过视觉特征提取处理，得到计算机视觉特征（包括上文所述的文本框对应的视觉特征、区域图像对应的图像特征）。而后拼接文本框多模态特征（可参考上文中通过add算子、concat算子等进行特征拼接），得到文本特征序列，再将文本特征序列、计算机视觉特征中的图像特征序列进行多模态特征融合，输出序列（也即上文中所述的电子表格排布序列），最终经过后处理将序列转换为带有文本内容、目标表格的表格结构的电子表格。本公开实施例提供的生成方法融合了多模态的特征，有利于提高电子表格的生成准确率。此外，由于本公开实施例提供的生成方法属于端到端的处理流程，故后处理所需要的人工编写代码较少，也便于开发人员进行维护。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了电子表格的生成装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种电子表格的生成方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
参阅图3所示，图3示出了根据本公开实施例提供的电子表格的生成装置的框图，结合图3，所述生成装置100包括：图像获取模块110，用以获取带有目标表格的待处理图像；特征序列确定模块120，用以确定所述待处理图像对应的图像特征序列以及文本特征序列；其中，图像特征序列用以表示待处理图像的图像特征的序列，文本特征序列用以表示待处理图像中目标表格的文本信息的文本特征的序列；特征融合模块130，用以将所述图像特征序列与所述文本特征序列进行特征融合，得到融合特征序列；排布序列生成模块140，用以将所述融合特征序列转换为电子表格排布序列；其中，所述电子表格排布序列用以表示电子表格中单元格的排布情况；电子表格生成模块150，用以根据所述电子表格排布序列，生成所述目标表格对应的电子表格。
在一种可能的实施方式中，所述确定所述待处理图像对应的图像特征序列，包括：将所述待处理图像分割为多个区域图像；确定每个区域图像对应的图像特征；将所述每个区域图像对应的图像特征进行排列，作为所述待处理图像对应的图像特征序列。
在一种可能的实施方式中，所述确定所述待处理图像对应的文本特征序列，包括：确定所述待处理图像中包括文本信息的多个文本框；确定每个文本框对应的文本特征；将所述每个文本框对应的文本特征进行排列，作为所述待处理图像对应的文本特征序列。
在一种可能的实施方式中，所述确定每个文本框对应的文本特征，包括：将每个文本框对应的文本框坐标、每个文本框中文本信息对应的语义特征、每个文本框对应的视觉特征中的至少一项，作为每个文本框对应的文本特征。
在一种可能的实施方式中，所述每个文本框对应的文本特征包括所述每个文本框对应的文本框坐标；所述根据所述电子表格排布序列，生成所述目标表格对应的电子表格，包括：根据所述电子表格排布序列，确定电子表格中每个单元格对应的单元格坐标；根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息；根据每个单元格对应的单元格坐标、每个单元格对应的文本信息，生成所述目标表格对应的电子表格。
在一种可能的实施方式中，所述根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息，包括：根据每个所述单元格坐标，确定每个所述单元格坐标对应的第一多边形；根据每个所述文本框坐标，确定每个所述文本框坐标对应的第二多边形；针对每个第一多边形，确定与所述每个第一多边形重合程度最高的第二多边形，并在所述重合程度最高的第二多边形对应的重合程度大于预设值的情况下，将重合程度最高的第二多边形对应的文本信息作为所述每个第一多边形对应的单元格的文本信息。
在一种可能的实施方式中，所述根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息，还包括：在所述重合程度最高的第二多边形对应的重合程度小于或等于预设值的情况下，将所述每个第一多边形对应的单元格作为待编辑单元格；所述生成方法还包括：响应于针对所述待编辑单元格的输入文本，更新所述电子表格。
该方法与计算机系统的内部结构存在特定技术关联，且能够解决如何提升硬件运算效率或执行效果的技术问题（包括减少数据存储量、减少数据传输量、提高硬件处理速度等），从而获得符合自然规律的计算机系统内部性能改进的技术效果。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
电子设备可以被提供为服务器、终端设备或其它形态的设备。
图4示出了根据本公开实施例提供的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器或终端设备。参照图4，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统（Windows ServerTM），苹果公司推出的基于图形用户界面操作系统(Mac OS XTM)，多用户多进程的计算机操作系统（UnixTM），自由和开放原代码的类Unix操作系统（LinuxTM），开放原代码的类Unix操作系统（FreeBSDTM）或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是（但不限于）电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
若本申请技术方案涉及个人信息，应用本申请技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本申请技术方案涉及敏感个人信息，应用本申请技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种电子表格的生成方法，其特征在于，所述生成方法包括：
获取带有目标表格的待处理图像；
确定所述待处理图像对应的图像特征序列以及文本特征序列；其中，图像特征序列用以表示待处理图像的图像特征的序列，所述图像特征用以表示待处理图像在整体上的视觉特征，文本特征序列用以表示待处理图像中目标表格的文本信息的文本特征的序列；所述文本特征序列包括所述待处理图像中文本框对应的文本特征；所述文本特征包括：文本框对应的语义特征、文本框对应的视觉特征、文本框对应的文本框坐标；所述文本特征为文本框多模态特征，所述文本框多模态特征通过对文本框对应的语义特征、文本框对应的视觉特征、文本框对应的文本框坐标进行特征融合得到；所述文本框对应的视觉特征用以表示文本框的区域特征；
将所述图像特征序列与所述文本特征序列进行多模态特征融合，得到融合特征序列；
将所述融合特征序列转换为电子表格排布序列；其中，所述电子表格排布序列用以表示不带有文本信息、带有表线的电子表格中单元格的排布情况；
根据所述电子表格排布序列，生成所述目标表格对应的带有文本信息和表线的电子表格。
2.如权利要求1所述的生成方法，其特征在于，所述确定所述待处理图像对应的图像特征序列，包括：
将所述待处理图像分割为多个区域图像；
确定每个区域图像对应的图像特征；
将所述每个区域图像对应的图像特征进行排列，作为所述待处理图像对应的图像特征序列。
3.如权利要求1所述的生成方法，其特征在于，所述确定所述待处理图像对应的文本特征序列，包括：
确定所述待处理图像中包括文本信息的多个文本框；
确定每个文本框对应的文本特征；
将所述每个文本框对应的文本特征进行排列，作为所述待处理图像对应的文本特征序列。
4.如权利要求3所述的生成方法，其特征在于，所述确定每个文本框对应的文本特征，包括：将每个文本框对应的文本框坐标、每个文本框中文本信息对应的语义特征、每个文本框对应的视觉特征，作为每个文本框对应的文本特征。
5.如权利要求4所述的生成方法，其特征在于，所述根据所述电子表格排布序列，生成所述目标表格对应的电子表格，包括：
根据所述电子表格排布序列，确定电子表格中每个单元格对应的单元格坐标；
根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息；
根据每个单元格对应的单元格坐标、每个单元格对应的文本信息，生成所述目标表格对应的电子表格。
6.如权利要求5所述的生成方法，其特征在于，所述根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息，包括：
根据每个所述单元格坐标，确定每个所述单元格坐标对应的第一多边形；
根据每个所述文本框坐标，确定每个所述文本框坐标对应的第二多边形；
针对每个第一多边形，确定与所述每个第一多边形重合程度最高的第二多边形，并在所述重合程度最高的第二多边形对应的重合程度大于预设值的情况下，将重合程度最高的第二多边形对应的文本信息作为所述每个第一多边形对应的单元格的文本信息。
7.如权利要求6所述的生成方法，其特征在于，所述根据每个所述单元格坐标、每个所述文本框坐标，确定所述每个单元格对应的文本信息，还包括：在所述重合程度最高的第二多边形对应的重合程度小于或等于预设值的情况下，将所述每个第一多边形对应的单元格作为待编辑单元格；
所述生成方法还包括：响应于针对所述待编辑单元格的输入文本，更新所述电子表格。
8.一种电子表格的生成装置，其特征在于，所述生成装置包括：
图像获取模块，用以获取带有目标表格的待处理图像；
特征序列确定模块，用以确定所述待处理图像对应的图像特征序列以及文本特征序列；其中，图像特征序列用以表示待处理图像的图像特征的序列，所述图像特征用以表示待处理图像在整体上的视觉特征，文本特征序列用以表示待处理图像中目标表格的文本信息的文本特征的序列；所述文本特征序列包括所述待处理图像中文本框对应的文本特征；所述文本特征包括：文本框对应的语义特征、文本框对应的视觉特征、文本框对应的文本框坐标；所述文本特征为文本框多模态特征，所述文本框多模态特征通过对文本框对应的语义特征、文本框对应的视觉特征、文本框对应的文本框坐标进行特征融合得到；所述文本框对应的视觉特征用以表示文本框的区域特征；
特征融合模块，用以将所述图像特征序列与所述文本特征序列进行多模态特征融合，得到融合特征序列；
排布序列生成模块，用以将所述融合特征序列转换为电子表格排布序列；其中，所述电子表格排布序列用以表示不带有文本信息、带有表线的电子表格中单元格的排布情况；
电子表格生成模块，用以根据所述电子表格排布序列，生成所述目标表格对应的带有文本信息和表线的电子表格。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的生成方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的生成方法。
CN202211352872.5A 2022-11-01 2022-11-01 电子表格的生成方法、装置、电子设备及存储介质 Active CN115409007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211352872.5A CN115409007B (zh) 2022-11-01 2022-11-01 电子表格的生成方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211352872.5A CN115409007B (zh) 2022-11-01 2022-11-01 电子表格的生成方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115409007A CN115409007A (zh) 2022-11-29
CN115409007B true CN115409007B (zh) 2023-06-30

Family

ID=84168229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211352872.5A Active CN115409007B (zh) 2022-11-01 2022-11-01 电子表格的生成方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115409007B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528863A (zh) * 2020-12-14 2021-03-19 中国平安人寿保险股份有限公司 表格结构的识别方法、装置、电子设备及存储介质
CN113283355A (zh) * 2021-05-31 2021-08-20 平安国际智慧城市科技股份有限公司 一种表格图像的识别方法、装置、计算机设备及存储介质
CN113657274B (zh) * 2021-08-17 2022-09-20 北京百度网讯科技有限公司 表格生成方法、装置、电子设备及存储介质
CN114283435A (zh) * 2021-12-02 2022-04-05 上海浦东发展银行股份有限公司 表格提取方法、装置、计算机设备、存储介质

Also Published As

Publication number Publication date
CN115409007A (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN109886326B (zh) 一种跨模态信息检索方法、装置和存储介质
US20230106873A1 (en) Text extraction method, text extraction model training method, electronic device and storage medium
US10176409B2 (en) Method and apparatus for image character recognition model generation, and vertically-oriented character image recognition
US9710462B2 (en) System and method for automatically translating an imaged surface of an object
WO2022257578A1 (zh) 用于识别文本的方法和装置
CN113360699B (zh) 模型训练方法和装置、图像问答方法和装置
CN112712069B (zh) 一种判题方法、装置、电子设备及存储介质
KR20210130790A (ko) 문서들에서 키-값 쌍들의 식별
US20220222951A1 (en) 3d object detection method, model training method, relevant devices and electronic apparatus
CN113947147B (zh) 目标地图模型的训练方法、定位方法及相关装置
US20220375192A1 (en) Optimization method, apparatus, device for constructing target detection network, medium and product
CN110414502B (zh) 图像处理方法及装置、电子设备和计算机可读介质
CN114022900A (zh) 检测模型的训练方法、检测方法、装置、设备和介质
CN111488873A (zh) 一种基于弱监督学习的字符级场景文字检测方法和装置
CN110399547B (zh) 用于更新模型参数的方法、装置、设备和存储介质
CN115658955B (zh) 跨媒体检索及模型训练方法、装置、设备、菜谱检索系统
CN115146488A (zh) 基于大数据的可变业务流程智能建模系统及其方法
CN113239925A (zh) 一种文本检测模型训练方法、文本检测方法及装置、设备
CN114092948B (zh) 一种票据识别方法、装置、设备以及存储介质
CN113033269A (zh) 一种数据处理方法及装置
CN114429636A (zh) 图像扫描识别方法、装置及电子设备
CN112712121B (zh) 一种图像识别模型训练方法、装置及存储介质
CN111881900B (zh) 语料生成、翻译模型训练、翻译方法、装置、设备及介质
CN115409007B (zh) 电子表格的生成方法、装置、电子设备及存储介质
CN115130437B (zh) 一种文档智能填写方法、装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant